论文部分内容阅读
该文根据低级和高级智能处理能力把ＡＮＮ研究归纳成第一研究途径和第二研究途径。按第一研究途径，把Ｈｏｐｆｉｅｌｄ模型与信号表示技术应用到反卷积，它减少了反卷积失败的概率，变相提高了解的可信度。根据信号多脉冲逆理论，按第二研究途径，提出了一种新的并行层次网络实现多脉冲逆系数，它和传统的脉动阵反卷积器结合便可得到高可信度反卷积器。它比基于ＺＴ、ＦＴ、三角阵、希尔伯特变换的反卷积的可信度高，且免除迭代和矩阵求逆的麻烦；特别地当Ａ＃-[0]＝１，Ａ＃-[1]（ｉ＞０）＝０时，所有结论褪化成脉动阵反卷积器的情形。（本刊录）